[论文解读] Artificial Intelligence and Advanced Materials

Cefe López|arXiv (Cornell University)|Sep 23, 2022

Machine Learning in Materials Science被引用 10

一句话总结

本综述探讨了人工智能，尤其是机器学习，在加速先进材料发现与设计中的变革性作用。通过利用数据驱动技术挖掘隐含知识与物理定律，人工智能能够实现针对特定功能量身定制的新材料与新系统的设计，标志着从‘应用导向’到‘功能驱动’材料构想的范式转变。

ABSTRACT

Artificial intelligence is gaining strength and materials science can both contribute to and profit from it. In a simultaneous progress race, new materials, systems and processes can be devised and optimized thanks to machine learning techniques and such progress can be turned into in-novative computing platforms. Future materials scientists will profit from understanding how machine learning can boost the conception of advanced materials. This review covers aspects of computation from the fundamentals to directions taken and repercussions produced by compu-tation to account for the origins, procedures and applications of artificial intelligence. Machine learning and its methods are reviewed to provide basic knowledge on its implementation and its potential. The materials and systems used to implement artificial intelligence with electric charges are finding serious competition from other information carrying and processing agents. The impact these techniques are having on the inception of new advanced materials is so deep that a new paradigm is developing where implicit knowledge is being mined to conceive materi-als and systems for functions instead of finding applications to found materials. How far this trend can be carried is hard to fathom as exemplified by the power to discover unheard of mate-rials or physical laws buried in data.

研究动机与目标

• 探讨机器学习技术如何加速先进材料的发现与优化。
• 分析从为现有应用发现材料，转向利用隐含的数据驱动知识，为特定功能设计材料的转变。
• 探讨人工智能对基于新型材料的下一代计算平台开发的影响。
• 为未来研究人员提供在材料科学中实施机器学习的基础知识。
• 突出人工智能从复杂数据集中揭示未知材料甚至物理定律的新兴趋势。

提出的方法

• 回顾机器学习的基本原理及其在材料科学中的实现方法。
• 分析人工智能技术如何从大规模数据集中挖掘隐含知识，以指导材料设计。
• 调查用于人工智能实现的材料与系统，包括电荷载流子及其新兴替代方案。
• 考察人工智能与材料发现流程的整合，以优化材料性能。
• 通过数据驱动模型示例，展示在无先验假设下预测新型材料与物理行为的能力。
• 评估人工智能在重新定义材料开发生命周期（从构想到应用）中的作用。

实验结果

研究问题

• RQ1 如何有效应用机器学习技术以加速先进材料的发现？
• RQ2 利用人工智能从数据中提取隐含知识对材料设计有何影响？
• RQ3 人工智能在何种方式下推动了从‘应用驱动’到‘功能驱动’材料开发的范式转变？
• RQ4 数据驱动的人工智能模型如何促进对未知材料或物理定律的发现？
• RQ5 在将人工智能与材料科学整合以用于下一代计算平台时，面临的关键挑战与机遇是什么？

主要发现

• 机器学习通过识别传统方法难以察觉的复杂数据集中的模式与关系，实现了新型材料的发现。
• 一种新范式正在形成：材料基于挖掘出的隐含知识被为特定功能而构想，而非先被发现再寻找应用。
• 人工智能技术能够从大规模实验或模拟数据中揭示隐藏的未知物理定律或材料行为。
• 基于电荷载流子的材料正面临替代性信息处理载体的挑战，预示着人工智能硬件发展的新前沿。
• 人工智能与材料科学的整合正在转变研究工作流程，实现更快、更高效、更精准的材料设计。
• 本综述为未来材料科学家奠定了基础，使其不仅将人工智能作为工具，更作为材料发现与系统设计创新的驱动力。